車端目前產(chǎn)生大量的數(shù)據(jù)之中，各種數(shù)據(jù)來自于不同的傳感器、不同的域，自動駕駛域控制器基本已經(jīng)實(shí)現(xiàn)了算力超過百T的資源配置，這就催生了車端數(shù)據(jù)庫的需求。

智協(xié)慧同是一家聚焦汽車數(shù)據(jù)鏈路打造和價值挖掘的公司，擁有以車端數(shù)據(jù)庫為核心的車云全棧產(chǎn)品，通過車云同構(gòu)框架，實(shí)現(xiàn)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的融合采集。智協(xié)慧同產(chǎn)品可輕量化部署到車端各大域控制器，實(shí)現(xiàn)跨域的數(shù)據(jù)采存，高效推進(jìn)產(chǎn)品的優(yōu)化迭代。

大算力催生跨域數(shù)據(jù)庫需求

隨著各種駕駛操控行為的信號數(shù)據(jù)需求逐漸增加，多種傳感器上產(chǎn)生海量感知數(shù)據(jù)，車端數(shù)據(jù)價值點(diǎn)挖掘的需求也日漸強(qiáng)烈。在此背景下，智協(xié)慧同認(rèn)為，存算分離的車端數(shù)據(jù)庫是邊緣計算的基石。

車端目前產(chǎn)生的大量數(shù)據(jù)來自于不同的傳感器、不同的域，自動駕駛域控制器基本已經(jīng)配置了算力超過百T的資源。高算力的資源以及強(qiáng)大的CPU是實(shí)現(xiàn)更多車端計算分析能力的前提，同時也催生了車端數(shù)據(jù)庫的需求。

車端數(shù)據(jù)庫具有降低數(shù)據(jù)存儲和傳輸流量成本、確保數(shù)據(jù)高質(zhì)量、高容錯性等諸多的優(yōu)點(diǎn)。然而，目前市場上并沒有成熟的車端數(shù)據(jù)庫方案，雖然有類似的產(chǎn)品，但都并未真正實(shí)現(xiàn)在量產(chǎn)車上的落地。

圖片來源：智協(xié)慧同

目前，自動駕駛已經(jīng)進(jìn)入大批量量產(chǎn)的階段，各大主機(jī)廠都推出了自己的數(shù)據(jù)閉環(huán)解決方案。從過去單目的純視覺方案發(fā)展至今天多攝像頭、多傳感器融合的自動駕駛解決方案，部署在自動駕駛域控制器上的數(shù)據(jù)閉環(huán)解決方案能夠幫助主機(jī)廠采集到車端各個與自動駕駛相關(guān)的數(shù)據(jù)。

其中的數(shù)據(jù)覆蓋攝像頭、毫米波雷達(dá)、激光雷達(dá)、總線等方面，涵蓋了從整車測試到量產(chǎn)的各個階段。同時，與智能駕駛相關(guān)的數(shù)據(jù)不僅來源于自動駕駛域，還有更多的數(shù)據(jù)來自底盤動力域、智能座艙域及網(wǎng)關(guān)域。

相比燃油車，電動汽車帶來的是更高維度、更全方位的駕控體驗(yàn)，正因如此，自動駕駛數(shù)據(jù)涉及到多場景、多維度，市場需要的數(shù)據(jù)庫產(chǎn)品必須覆蓋到各個場景和維度，才能夠?qū)崿F(xiàn)數(shù)據(jù)的跨域靈活采集。

車端數(shù)據(jù)采集面臨難題

自動駕駛的數(shù)據(jù)采集，目前仍面臨著不少難題。

首先，在量產(chǎn)前測試車輛數(shù)據(jù)的獲取過程中，傳統(tǒng)的數(shù)據(jù)記錄儀數(shù)據(jù)采集效率低下，同時儀器的成本非常高，采集到的數(shù)據(jù)大多是整車的全量數(shù)據(jù)。無論是流量還是云端的存儲費(fèi)用，以及對數(shù)據(jù)的清洗、處理、關(guān)鍵數(shù)據(jù)的提取、建模分析，整個流程效率以及成本都為研發(fā)團(tuán)隊(duì)帶來困擾。

在量產(chǎn)車上，大規(guī)模結(jié)構(gòu)化數(shù)據(jù)的獲取則涉及到如何將車端高精度高質(zhì)量的數(shù)據(jù)進(jìn)行靈活采集，以及降低上傳和存儲處理的成本，這也是當(dāng)前各大主機(jī)廠數(shù)據(jù)相關(guān)部門都在面臨的一大痛點(diǎn)。

自動駕駛的第二大數(shù)據(jù)采集難點(diǎn)是非結(jié)構(gòu)化數(shù)據(jù)獲取。自動駕駛NOA、NOP方案的落地，需要不斷對Corner cases（邊界化難題）進(jìn)行優(yōu)化。對于自動駕駛而言，倘若系統(tǒng)沒有感知出遇到了Corner cases，會帶來嚴(yán)重的安全隱患。然而解耦一個Corner case涉及到數(shù)采復(fù)雜度、多流程、成本等多個方面的問題，往往需要以月為單位進(jìn)行開發(fā)，數(shù)據(jù)層面則需要近萬張訓(xùn)練樣本和標(biāo)注數(shù)據(jù)集。這些Corner case數(shù)據(jù)的采集和獲取，有非常高的時間成本以及采集難度。

圖片來源：智協(xié)慧同官網(wǎng)

智協(xié)慧同看到了車端數(shù)據(jù)采集的關(guān)鍵痛點(diǎn)，打造了低代碼開發(fā)工具-算法直接下發(fā)-車端秒級運(yùn)行-靈活數(shù)據(jù)采集/上傳/存儲的閉環(huán)方案，幫助主機(jī)廠進(jìn)行大維度、高精度、低成本、高質(zhì)量的數(shù)據(jù)采集。

針對時間成本和采集難度的痛點(diǎn)，智協(xié)慧同提出了一種基于車端的靈活觸發(fā)機(jī)制，可以按照Corner case的具體場景來靈活定義，對數(shù)據(jù)進(jìn)行從采集到應(yīng)用的全流程管理，由此加速神經(jīng)網(wǎng)絡(luò)的迭代。

智協(xié)慧同的自動駕駛數(shù)據(jù)閉環(huán)解決方案會對所有的總線結(jié)構(gòu)化數(shù)據(jù)、圖像等非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行共同采集，能夠幫助主機(jī)廠快速提取場景化的關(guān)鍵數(shù)據(jù)、進(jìn)行場景復(fù)現(xiàn)，找到神經(jīng)網(wǎng)絡(luò)算法中需要的關(guān)鍵迭代點(diǎn)以及有價值的數(shù)據(jù)。

車云鏈路賦能數(shù)據(jù)采存

智協(xié)慧同自動駕駛數(shù)據(jù)閉環(huán)的解決方案可以看作是一條輕量化的車云鏈路，得益于這一方案的眾多優(yōu)勢，主機(jī)廠能夠?qū)崿F(xiàn)更好的關(guān)鍵數(shù)據(jù)抓取、數(shù)據(jù)預(yù)處理、數(shù)據(jù)標(biāo)注、AI模型創(chuàng)建、模型訓(xùn)練、仿真測試等。

圖片來源：智協(xié)慧同

首先，該數(shù)據(jù)閉環(huán)方案最大的優(yōu)勢，就是前文提到的，在不額外增加硬件的情況下能夠?qū)崿F(xiàn)量產(chǎn)車的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)采存融合。面對數(shù)十萬輛級別量產(chǎn)智能車產(chǎn)生的海量多類型數(shù)據(jù)，智協(xié)慧同的方案能夠?qū)訑z像頭、激光雷達(dá)、毫米波雷達(dá)、各種類型的傳感器，處理圖像、視頻、雷達(dá)點(diǎn)云數(shù)據(jù)、車輛總線數(shù)據(jù)等不同類型的數(shù)據(jù)。這些數(shù)據(jù)在車端就能根據(jù)時間、場景等多維度進(jìn)行系統(tǒng)化的管理，按照自定義的智能數(shù)據(jù)算法靈活篩選上傳。使量產(chǎn)車的智駕數(shù)據(jù)采集，鏈路傳輸，數(shù)據(jù)計算等成本大幅降低，同時還能保證數(shù)據(jù)質(zhì)量和精度。

其次，該方案能靈活定義算法與Corner cases。主機(jī)廠可以通過多次持續(xù)、快速的更新迭代來靈活響應(yīng)Corner case的數(shù)據(jù)需求，其計算引擎可以實(shí)現(xiàn)超過數(shù)萬個信號毫秒級的實(shí)時數(shù)據(jù)采集，云端開發(fā)工具生成的算法可以根據(jù)不同的車輛、場景、地域來快速下發(fā)。

第三，智協(xié)慧同的整體解決方案非常輕量化，該產(chǎn)品只占用自動駕駛域控制器CPU大約500兆左右的算力，以及幾百兆左右的內(nèi)存，能夠適配不同算力的CPU。

第四點(diǎn)優(yōu)勢是觸發(fā)式的圖像采集。封裝在車端的算子庫能進(jìn)行多種觸發(fā)機(jī)制的前置，在觸發(fā)機(jī)制條件滿足的情況下，整車中來自各個部件、各個域以及各個不同的維度、不同數(shù)據(jù)類型的信號，都能通過該方案進(jìn)行靈活的采集。

影子模式的觸發(fā)機(jī)制是又一大優(yōu)勢。除了通過算法觸發(fā)，數(shù)據(jù)采集還可以通過影子模式（Shadow mode）觸發(fā)。換言之，在有人駕駛的情況下，車端仍會持續(xù)進(jìn)行實(shí)時計算、模擬決策，并能讓計算結(jié)果實(shí)時上傳到云端。基于AB模式下的結(jié)果計算分析，支持主機(jī)廠車端影子模式進(jìn)行場景數(shù)據(jù)的靈活采集觸發(fā)。

圖片來源：智協(xié)慧同官網(wǎng)

還有一個優(yōu)勢是數(shù)據(jù)分段上傳。自動駕駛中圖像數(shù)據(jù)、視頻數(shù)據(jù)的數(shù)據(jù)量十分龐大，而車輛在不同的場景、路段中網(wǎng)絡(luò)情況往往是不穩(wěn)定的，難以實(shí)現(xiàn)數(shù)據(jù)實(shí)時上傳。此時就可以通過預(yù)先設(shè)定的分段上傳機(jī)制，對于相應(yīng)的數(shù)據(jù)進(jìn)行車端緩存、補(bǔ)傳。這一機(jī)制極大地確保了關(guān)鍵數(shù)據(jù)從采集到上傳至云端的過程中的安全問題。

軟硬協(xié)同助力域控發(fā)展

電動汽車的滲透率上升，隨之而來的是應(yīng)用場景的增多、需求的多元化。在自動駕駛技術(shù)快速發(fā)展的同時，其中的安全性問題始終是技術(shù)發(fā)展的掣肘，Corner cases的存在更是一大安全隱患。

針對目前的Corner case，智協(xié)慧同已經(jīng)實(shí)現(xiàn)了雨雪、Cut in/out、急加速、急轉(zhuǎn)彎、隧道口等多種極限場景下的觸發(fā)機(jī)制。在與客戶進(jìn)行共同開發(fā)和量產(chǎn)的實(shí)踐過程中，智協(xié)慧同也鎖定了后續(xù)更多的觸發(fā)機(jī)制，其中覆蓋了高速上急剎車、罕見的急轉(zhuǎn)彎路、剎車燈亮但車輛有正向加速度等更多特殊場景。

根據(jù)智協(xié)慧同的規(guī)劃，將會有上百個左右的靈活觸發(fā)機(jī)制，在整車的各個場景、時段、路段，采集主機(jī)廠所需要的Corner cases數(shù)據(jù)。智協(xié)慧同將在高效率模型搭建、快速車端部署、低成本驗(yàn)證、靈活實(shí)現(xiàn)等方面持續(xù)發(fā)力，高效推進(jìn)Corner cases優(yōu)化迭代。

據(jù)悉，目前智協(xié)慧同是第一家能夠真正實(shí)現(xiàn)通過車端數(shù)據(jù)庫和邊緣計算，完成自動駕駛數(shù)據(jù)閉環(huán)解決方案的企業(yè)。在自動駕駛數(shù)據(jù)閉環(huán)方案的量產(chǎn)實(shí)踐中，智協(xié)慧同也積累了大量的經(jīng)驗(yàn)，以幫助用戶調(diào)整、提升在數(shù)據(jù)閉環(huán)過程中的效率。

簡而言之，其經(jīng)驗(yàn)可以總結(jié)為：輕量化數(shù)采方案降低自動駕駛域控制器負(fù)載；通過場景化的靈活數(shù)據(jù)采集和智能化的觸發(fā)機(jī)制，加速自動駕駛感知算法的迭代過程；最終可根據(jù)批量下發(fā)算法功能，靈活排查問題車輛。

圖片來源：智協(xié)慧同官網(wǎng)

作為未來汽車運(yùn)算決策的中心，域控制器功能的實(shí)現(xiàn)不僅依賴于芯片，也需要軟件操作系統(tǒng)、中間件、算法等多層次軟硬件的協(xié)同升級。智協(xié)慧同認(rèn)為，數(shù)據(jù)庫作為一個效率工具，可以應(yīng)用于自動駕駛以及車端的各個域控制器上，為主機(jī)廠提高數(shù)據(jù)采集、問題解耦和處理效率，為用戶帶來更多的體驗(yàn)及更好的安全。

在克服了諸多技術(shù)挑戰(zhàn)后，智協(xié)慧同的解決方案目前已經(jīng)能夠從容面對行業(yè)內(nèi)各大主機(jī)廠的更多需求、更多場景。當(dāng)然，技術(shù)的變更總得經(jīng)過市場檢驗(yàn)。EXD自動駕駛數(shù)據(jù)閉環(huán)方案的實(shí)際表現(xiàn)如何，還需在搭載這一技術(shù)的車型上市后才能印證。

（以上內(nèi)容來自智協(xié)慧同合伙人兼副總裁牛國浩于2022年6月29日由蓋世汽車主辦的2022第二屆智能汽車域控制器創(chuàng)新-云論壇發(fā)表的《車端數(shù)據(jù)庫在自動駕駛域控制器上的量產(chǎn)實(shí)踐》主題演講。）

返回第一電動網(wǎng)首頁 >